PENERAPAN ALGORITMA C4.5 UNTUK KLASIFIKASI TINGKAT KEGANASAN KANKER PAYUDARA.
1
Penerapan Algoritma C4.5 untuk Klasifikasi
Tingkat Keganasan Kanker Payudara
Dwi Ayu Nursela
A11.2010.05307
Teknik Informatika – S1, Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
Jalan Nakula I No. 5-11, Semarang
Breast cancer is a disease characterized by abnormal cells grow out of control in the breast. This suggests that breast cancer is
a highly malignant disease and requires the sufferer to do intensive examinations by detecting early the level of breast cancer
malignancy. In this study used data mining techniques with the C4.5 algorithm. This study aims to classify the level of
malignancy of breast cancer using the C4.5 algorithm. This study uses 9 attributes and attribute weighting performed to
calculate the relevance of each attribute. The results of the weighting of attributes is of 9 attributes were used, only 6 attributes
that affect the pattern of the decision tree and the accuracy obtained is equal to 98.57%. The results of the modeling is then
performed using C4.5 algorithm and generates rules to be applied to the implementation of the classification system
malignancies of breast cancer. The model is successfully applied to the system for classifying the level of malignancy of breast
cancer.
Keyword : classification, C4.5 algorithm, breast cancer
I. PENDAHULUAN 1
Kanker payudara atau breast cancer adalah suatu
penyakit yang ditandai dengan kelainan sel yang tumbuh
tidak terkendali pada payudara [1] dan merupakan jenis
kanker yang paling sering di derita pada wanita baik di
negara maju maupun di negara berkembang [2].
Berdasarkan data Sistem Informasi Rumah Sakit (SIRS)
tahun 2007, kanker payudara menempati urutan pertama
pada pasien rawat inap di seluruh rumah sakit di Indonesia,
yaitu sebesar 16,85% [3]. Menurut Departemen Kesehatan,
kanker tertinggi yang diderita wanita Indonesia adalah
kanker payudara dengan angka kejadian 26 per 100.000
perempuan [3]. Pada tahun 2011, WHO memperkirakan
bahwa di seluruh dunia lebih dari 508.000 wanita
meninggal karena kanker payudara [2].
Hal ini menunjukkan bahwa kanker payudara merupakan
penyakit yang sangat ganas dan mengharuskan
penderitanya untuk melakukan pemeriksaan yang intensif.
Menurut [4], wanita yang positif terjangkit kanker payudara
dan sudah melakukan tahap pengobatan, maka deteksi
tingkat keganasan kanker payudara secara berkala sangat
penting, karena digunakan untuk memilih terapi yang tepat
atau menentukan tahap pengobatan selanjutnya. Tingkat
keganasan kanker payudara terdiri dari dua jenis, yaitu
malignant (ganas) dan belign (jinak).
Pada umumnya pendeteksian tingkat keganasan kanker
payudara adalah dengan cara prognosis. Prognosis adalah
“tebakan terbaik” tim medis dalam menentukan sembuh
atau tidaknya pasien dari kanker payudara [4]. Selain
dengan prognosis, cara lainnya adalah pemanfaatan
bioinformatic dengan menggunakan teknik data mining [5]
[6], karena telah terbukti dapat mendeteksi tingkat
keganasan kanker payudara.
Data mining mempunyai beberapa algoritma, salah
satunya yaitu algoritma C4.5 atau disebut juga algoritma
decision tree [7]. Data mining adalah proses menemukan
pola dengan memilah-milah sejumlah data yang besar
menggunakan teknologi pengenalan pola [8]. Sedangkan
algoritma C4.5 atau disebut juga algoritma decision tree
merupakan metode klasifikasi dan prediksi yang sangat
kuat dan terkenal [7].
Berikut beberapa kelebihan dari decision tree, antara lain
[9] :
a. Hasil analisa berupa diagram pohon yang mudah
dimengerti.
b. Mudah untuk dibangun, serta membutuhkan data
percobaan yang lebih sedikit dibandingkan algoritma
klasifikasi lainnya.
c. Mampu mengolah data nominal dan kontinyu.
d. Model yang dihasilkan dapat dengan mudah
dimengerti.
e. Menggunakan teknik statistik sehingga dapat
divalidasikan.
f. Waktu komputasi relatif lebih cepat dibandingkan
teknik klasifikasi lainnya.
g. Akurasi yang dihasilkan mampu menandingi teknik
klasifikasi lainnya.
2
Berdasarkan uraian tersebut pada penelitian ini
digunakan teknik data mining dengan menggunakan
algoritma C4.5 untuk mengklasifikasi tingkat keganasan
kanker payudara. Pada penelitian sebelumnya yang
membahas perbandingan beberapa algoritma data mining,
seperti algoritma decision tree, back-propagated neural
network dan naive bayes menunjukkan bahwa algoritma
decision tree sudah terbukti keakuratannya dalam
mendeteksi tingkat keganasan kanker payudara [5]. Pada
penelitian lain oleh M. Ture, dkk [10] membandingkan
algoritma decision tree, yaitu C&RT, CHAID, QUEST,
C4.5 dan ID3 menggunakan 500 data pasien kanker
payudara dimana hasil dari penelitian tersebut menunjukkan
bahwa algoritma C4.5 memiliki tingkat akurasi yang lebih
baik dari metode decision tree lainnya.
Berdasarkan latar belakang diatas, maka penelitian ini
akan menerapkan algoritma C4.5 untuk mengklasifikasi
tingkat keganasan kanker payudara.
D. Tahap Implementasi
Implementasi
merupakan
tahap
menerjemahkan
perancangan sistem berupa diagram ke dalam bahasa
pemrograman. Pembuatan aplikasi menggunakan bahasa
pemrograman Java dan SQLyog untuk database.
E. Tahap Pengujian
Pada tahap ini merupakan proses pengujian sistem yang
akan dilakukan menggunakan metode blackbox testing.
Pengujian ini dilakukan untuk mengetahui apakah fungsifungsi pada sistem sudah berjalan dengan baik.
III. IMPLEMENTASI
Berikut hasil implementasi sistem dari
perancangan sistem yang telah dibuat :
II. METODE YANG DIUSULKAN
Metode dalam penelitian ini menggunakan System
Development Life Cycle Model (SDLC) atau disebut juga
dengan model Waterfall. Berikut langkah-langkah dari
model Waterfall :
A. Tahap Perencanaan
Pada tahap ini perencanaan dilakukan dengan
menganalisa kebutuhan sistem dan mendefinisikan
kebutuhan tersebut yang akan digunakan pada tahap
berikutnya.
B. Tahap Analisis Sistem
Pada tahap ini melibatkan metode lain, yaitu metode
CRISP-DM. Metode CRISP-DM merupakan standar proses
yang digunakan sebagai strategi pemecahan masalah secara
umum dari bisnis atau unit penelitian dalam data mining.
Dalam CRISP-DM, sebuah proyek data mining memiliki
siklus hidup yang terbagi dalam enam fase, yaitu :
1. Pemahaman Bisnis (Bussiness Understanding)
2. Pemahaman Data (Data Understanding)
3. Pengolahan Data (Data Preparation)
4. Pemodelan (Modeling)
5. Evaluasi (Evaluation)
6. Penyebaran (Deployment)
C. Tahap Desain Sistem
Tahap ini merupakan proses menerjemahkan kebutuhan
ke dalam representasi perangkat lunak untuk melakukan
perancangan sebelum dilakukannya pengkodean. Tahap ini
dibagi menjadi tiga, yaitu :
1. Merancang alur sistem dengan diagram. Pada
penelitian ini menggunakan Use Case Diagram dan
Activity Diagram.
2. Perancangan database untuk menampung semua
data.
3. Perancangan interface untuk masukan dan keluaran
sistem.
Gambar 1. Halaman depan program
Gambar 2. Submenu pada menu data
Gambar 3. Tampilan submenu data training
3
4.
5.
6.
Gambar 4. Tampilan submenu uji data
7.
8.
9.
Gambar 5. Submenu pada menu bantuan
10.
11.
12.
Gambar 6. Tampilan submenu tentang atribut
pada menu bantuan
13.
IV. HASIL & PEMBAHASAN
14.
A. Hasil Model Pembentukan Rules
Hasil penelitian dari pemodelan algoritma C4.5 dengan
pembobotan atribut adalah pembentukan rules. Berikut
penjelasan dari rules yang terbentuk dari pemodelan
algoritma C4.5 :
1. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness > 6,5 maka class =
ganas
2. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei >
8,5 maka class = ganas
3. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness >
5,5 dan uniformity of cell shape > 6,5 maka class =
15.
16.
17.
ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness >
5,5 dan uniformity of cell shape ≤ 6,5 maka class =
jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness ≤
5,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness >
5,5 maka class= jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size > 8,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size ≤ 8,5 dan bare nuclei >
3,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size ≤ 8,5 dan bare nuclei ≤
3,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness >
6,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei > 6
maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei ≤ 6 dan
clump thickness > 4,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei ≤ 6 dan
clump thickness ≤ 4,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size > 3,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size ≤ 3,5 dan uniformity of cell shape > 2,5 maka class
= ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size ≤ 3,5 dan uniformity of cell shape ≤ 2,5 maka class
= jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei ≤ 2,5 dan uniformity of cell
size > 3,5 maka class = ganas
4
18. Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei ≤ 2,5 dan uniformity of cell
size ≤ 3,5 maka class = jinak
19. Jika uniformity of cell size ≤ 2,5 dan bare nuclei > 4,5
dan clump thickness > 3,5 maka class = ganas
20. Jika uniformity of cell size ≤ 2,5 dan bare nuclei > 4,5
dan clump thickness ≤ 3,5 maka class = jinak
21. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness > 6,5 dan uniformity of cell shape
> 2,5 maka class = ganas
22. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness > 6,5 dan uniformity of cell shape
≤ 2,5 maka class = jinak
23. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness ≤ 6,5 maka class = jinak
Dapat dilihat bahwa dalam pembentukan rules terbentuk
23 rules yang nantinya akan diimplementasikan ke dalam
program.
B. Hasil Akurasi Pemodelan Algoritma C4.5
Pada pemodelan algoritma C4.5 dengan menggunakan
pembobotan atribut juga menghasilkan akurasi sebesar
98,57%. Akurasi tersebut diperoleh dari kesesuaian antara
prediksi klasifikasi dan hasil klasifikasi.
C. Hasil Implementasi Program
Jika user memilih submenu data training, program akan
menampilkan data training pada tabel, seperti gambar 9
dibawah ini :
Gambar 9. Tampilan submenu data training
Sedangkan untuk menginputkan data testing, user dapat
memilih submenu uji data yang terdapat pada menu data
dan Program akan menampilkan tampilan halaman uji data
dan user tinggal menginputkan data testing yang akan di
klasifikasi. Hasil klasifikasi akan muncul saat user
mengklik tombol hasil dan hasil klasifikasi akan di simpan
ke dalam database, seperti gambar 10 dibawah ini :
Gambar 10. Tampilan submenu uji data
Gambar 7. Halaman depan program
Gambar 7 menjelaskan tentang tampilan halaman depan
saat program dijalankan. Pada halaman depan terdapat
menu data dan bantuan. Menu data dari beberapa submenu,
yaitu data training dan uji data, seperti gambar 8 dibawah
ini :
Gambar 11. Submenu pada menu bantuan
Gambar 8. Submenu pada menu data
Gambar 11 menjelaskan bahwa jika user ingin
mengetahui tentang atribut yang dipakai dalam penentuan
klasifikasi, user dapat mengklik menu bantuan dan memilih
submenu tentang atribut. Pada tampilan dibawah ini, user
dapat memilih atribut yang diinginkan dengan memilih
salah satu atribut pada menu dropdown. Submenu tentang
atribut berisi keterangan atribut-atribut yang digunakan
5
dalam penentuan klasifikasi. Berikut gambar 12 tampilan
submenu tentang atribut :
[6]
[7]
[8]
[9]
[10]
[11]
Gambar 12. Tampilan submenu tentang atribut
pada menu bantuan
[12]
[13]
V. PENUTUP
Dari permasalahan di atas dapat disimpulkan bahwa
klasifikasi tingkat keganasan kanker payudara dapat
diselesaikan menggunakan teknik data mining, yaitu
algoritma C4.5, karena rules yang terbentuk sederhana.
Akurasi yang dihasilkan dari pemodelan algoritma C4.5
dengan pembobotan atribut, yaitu sebesar 98,57%. Akurasi
tersebut diperoleh dari kesesuaian antara prediksi klasifikasi
dan hasil klasifikasi.
Data yang digunakan dalam penelitian ini adalah data
sampel dari public dataset UCI, karena data dari pasien
kanker payudara merupakan data yang private dan sulit
untuk didapatkan.
Beberapa ide yang dapat digunakan untuk penelitian
selanjutnya adalah sebagai berikut :
1. Program inputan data ini akan lebih bermanfaat jika
data yang digunakan adalah data valid yang bersumber
dari pasien kanker payudara.
2. Menambahkan visualisasi pohon keputusan dari rules
yang terbentuk.
3. Penelitian selanjutnya dapat dikembangkan dengan
menggabungkan beberapa metode data mining, seperti
algoritma C4.5 yang digabungkan dengan Particle
Swarm Optimization (PSO).
REFERENCES
[1]
[2]
[3]
[4]
[5]
[Online].
Available:
http://www.breastcancer.org/symptoms/understand_bc. [Diakses 6
January 2014].
“WHO | Breast cancer: prevention and control,” [Online]. Available:
http://www.who.int/cancer/detection/breastcancer/en/index1.html.
[Diakses 30 December 2013].
[Online].
Available:
http://www.depkes.go.id/index.php?vw=2&id=1060. [Diakses 30
December 2013].
F. Rachman dan S. W. Purnami, “Perbandingan Klasifikasi Tingkat
Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik
Ordinal Dan Support Vector Machine (SVM),” JURNAL SAINS DAN
SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X, pp. D-130,
2012.
A. Bellaachia dan E. Guven, “Predict ing Breast Cancer
Survivability Using Data Mining Techniques,” dalam SIAM
Conference on Data Mining, Washington DC, 2006.
[14]
[15]
[16]
[17]
G. I. Salama, M. B. Abdelhalim dan M. A.-e. Zeid, “Experimental
Comparison of Classifiers for Breast Cancer Diagnosis,” dalam
International Conference Computer Engineering and Systems
(ICCES), Cairo, 2012.
Kusrini dan E. T. Luthfi, Algoritma Data Mining, Yogyakarta:
ANDI, 2009.
D. T. Larose, Discovering Knowledge In Data : An Introduction to
Data Mining, Hoboken, New Jersey: John Wiley & Sons, Inc., 2005.
F. Gorunescu, Data Mining : Concepts and Techniques, Verlag
Berlin Heidelberg: Springer, 2011.
M. Ture, F. Tokatli dan I. Kurt, “Using Kaplan–Meier analysis
together with decision tree methods (C&RT, CHAID, QUEST, C4.5
and ID3) in determining recurrence-free survival of breast cancer
patients,” Expert Systems with Applications, pp. 2017-2026, 2009.
D. Soria, J. M. Garibaldi, E. Biganzoli dan I. O. Ellis, “A
Comparison of Three Different Methods for Classificat ion of Breast
Cancer Data,” Seventh International Conference on Machine
Learning and Applications, pp. 619-624, 2008.
Turban, Efraim dan dkk, Decision Support System and Intelligent
System Edisi 7 Jilid 1, Yogyakarta: ANDI, 2005.
I. H. Witten, E. Frank dan M. A. Hall, Data Mining Practical
Machine Learning Tools and Techniques, USA: Morgan Kaufmann
Publishers, 2011.
B. Santoso, Data Mining : Teknik Pemanfaatan Data untuk keperluan
Bisnis, Yogyakarta: Graha Ilmu, 2007.
M. Melanie, An Introduction to Genetic Algorithms, Cambridge,
Massachusetts: A Bradford Book The MIT Press, 1996.
“Confusion
Matrix,”
[Online].
Available:
http://www2.cs.uregina.ca/~dbd/cs831/notes/cconfusion_matrix/conf
usion_matrix.html. [Diakses 23 January 2014].
A. E. Hassanien, “Classificat ion and Feature Selection of Breast
Cancer Data Based on Decision Tree Algorithm,” Studies in
Informatics and Control, vol. XII No. 1, pp. 1-7, 2003.
Penerapan Algoritma C4.5 untuk Klasifikasi
Tingkat Keganasan Kanker Payudara
Dwi Ayu Nursela
A11.2010.05307
Teknik Informatika – S1, Fakultas Ilmu Komputer
Universitas Dian Nuswantoro
Jalan Nakula I No. 5-11, Semarang
Breast cancer is a disease characterized by abnormal cells grow out of control in the breast. This suggests that breast cancer is
a highly malignant disease and requires the sufferer to do intensive examinations by detecting early the level of breast cancer
malignancy. In this study used data mining techniques with the C4.5 algorithm. This study aims to classify the level of
malignancy of breast cancer using the C4.5 algorithm. This study uses 9 attributes and attribute weighting performed to
calculate the relevance of each attribute. The results of the weighting of attributes is of 9 attributes were used, only 6 attributes
that affect the pattern of the decision tree and the accuracy obtained is equal to 98.57%. The results of the modeling is then
performed using C4.5 algorithm and generates rules to be applied to the implementation of the classification system
malignancies of breast cancer. The model is successfully applied to the system for classifying the level of malignancy of breast
cancer.
Keyword : classification, C4.5 algorithm, breast cancer
I. PENDAHULUAN 1
Kanker payudara atau breast cancer adalah suatu
penyakit yang ditandai dengan kelainan sel yang tumbuh
tidak terkendali pada payudara [1] dan merupakan jenis
kanker yang paling sering di derita pada wanita baik di
negara maju maupun di negara berkembang [2].
Berdasarkan data Sistem Informasi Rumah Sakit (SIRS)
tahun 2007, kanker payudara menempati urutan pertama
pada pasien rawat inap di seluruh rumah sakit di Indonesia,
yaitu sebesar 16,85% [3]. Menurut Departemen Kesehatan,
kanker tertinggi yang diderita wanita Indonesia adalah
kanker payudara dengan angka kejadian 26 per 100.000
perempuan [3]. Pada tahun 2011, WHO memperkirakan
bahwa di seluruh dunia lebih dari 508.000 wanita
meninggal karena kanker payudara [2].
Hal ini menunjukkan bahwa kanker payudara merupakan
penyakit yang sangat ganas dan mengharuskan
penderitanya untuk melakukan pemeriksaan yang intensif.
Menurut [4], wanita yang positif terjangkit kanker payudara
dan sudah melakukan tahap pengobatan, maka deteksi
tingkat keganasan kanker payudara secara berkala sangat
penting, karena digunakan untuk memilih terapi yang tepat
atau menentukan tahap pengobatan selanjutnya. Tingkat
keganasan kanker payudara terdiri dari dua jenis, yaitu
malignant (ganas) dan belign (jinak).
Pada umumnya pendeteksian tingkat keganasan kanker
payudara adalah dengan cara prognosis. Prognosis adalah
“tebakan terbaik” tim medis dalam menentukan sembuh
atau tidaknya pasien dari kanker payudara [4]. Selain
dengan prognosis, cara lainnya adalah pemanfaatan
bioinformatic dengan menggunakan teknik data mining [5]
[6], karena telah terbukti dapat mendeteksi tingkat
keganasan kanker payudara.
Data mining mempunyai beberapa algoritma, salah
satunya yaitu algoritma C4.5 atau disebut juga algoritma
decision tree [7]. Data mining adalah proses menemukan
pola dengan memilah-milah sejumlah data yang besar
menggunakan teknologi pengenalan pola [8]. Sedangkan
algoritma C4.5 atau disebut juga algoritma decision tree
merupakan metode klasifikasi dan prediksi yang sangat
kuat dan terkenal [7].
Berikut beberapa kelebihan dari decision tree, antara lain
[9] :
a. Hasil analisa berupa diagram pohon yang mudah
dimengerti.
b. Mudah untuk dibangun, serta membutuhkan data
percobaan yang lebih sedikit dibandingkan algoritma
klasifikasi lainnya.
c. Mampu mengolah data nominal dan kontinyu.
d. Model yang dihasilkan dapat dengan mudah
dimengerti.
e. Menggunakan teknik statistik sehingga dapat
divalidasikan.
f. Waktu komputasi relatif lebih cepat dibandingkan
teknik klasifikasi lainnya.
g. Akurasi yang dihasilkan mampu menandingi teknik
klasifikasi lainnya.
2
Berdasarkan uraian tersebut pada penelitian ini
digunakan teknik data mining dengan menggunakan
algoritma C4.5 untuk mengklasifikasi tingkat keganasan
kanker payudara. Pada penelitian sebelumnya yang
membahas perbandingan beberapa algoritma data mining,
seperti algoritma decision tree, back-propagated neural
network dan naive bayes menunjukkan bahwa algoritma
decision tree sudah terbukti keakuratannya dalam
mendeteksi tingkat keganasan kanker payudara [5]. Pada
penelitian lain oleh M. Ture, dkk [10] membandingkan
algoritma decision tree, yaitu C&RT, CHAID, QUEST,
C4.5 dan ID3 menggunakan 500 data pasien kanker
payudara dimana hasil dari penelitian tersebut menunjukkan
bahwa algoritma C4.5 memiliki tingkat akurasi yang lebih
baik dari metode decision tree lainnya.
Berdasarkan latar belakang diatas, maka penelitian ini
akan menerapkan algoritma C4.5 untuk mengklasifikasi
tingkat keganasan kanker payudara.
D. Tahap Implementasi
Implementasi
merupakan
tahap
menerjemahkan
perancangan sistem berupa diagram ke dalam bahasa
pemrograman. Pembuatan aplikasi menggunakan bahasa
pemrograman Java dan SQLyog untuk database.
E. Tahap Pengujian
Pada tahap ini merupakan proses pengujian sistem yang
akan dilakukan menggunakan metode blackbox testing.
Pengujian ini dilakukan untuk mengetahui apakah fungsifungsi pada sistem sudah berjalan dengan baik.
III. IMPLEMENTASI
Berikut hasil implementasi sistem dari
perancangan sistem yang telah dibuat :
II. METODE YANG DIUSULKAN
Metode dalam penelitian ini menggunakan System
Development Life Cycle Model (SDLC) atau disebut juga
dengan model Waterfall. Berikut langkah-langkah dari
model Waterfall :
A. Tahap Perencanaan
Pada tahap ini perencanaan dilakukan dengan
menganalisa kebutuhan sistem dan mendefinisikan
kebutuhan tersebut yang akan digunakan pada tahap
berikutnya.
B. Tahap Analisis Sistem
Pada tahap ini melibatkan metode lain, yaitu metode
CRISP-DM. Metode CRISP-DM merupakan standar proses
yang digunakan sebagai strategi pemecahan masalah secara
umum dari bisnis atau unit penelitian dalam data mining.
Dalam CRISP-DM, sebuah proyek data mining memiliki
siklus hidup yang terbagi dalam enam fase, yaitu :
1. Pemahaman Bisnis (Bussiness Understanding)
2. Pemahaman Data (Data Understanding)
3. Pengolahan Data (Data Preparation)
4. Pemodelan (Modeling)
5. Evaluasi (Evaluation)
6. Penyebaran (Deployment)
C. Tahap Desain Sistem
Tahap ini merupakan proses menerjemahkan kebutuhan
ke dalam representasi perangkat lunak untuk melakukan
perancangan sebelum dilakukannya pengkodean. Tahap ini
dibagi menjadi tiga, yaitu :
1. Merancang alur sistem dengan diagram. Pada
penelitian ini menggunakan Use Case Diagram dan
Activity Diagram.
2. Perancangan database untuk menampung semua
data.
3. Perancangan interface untuk masukan dan keluaran
sistem.
Gambar 1. Halaman depan program
Gambar 2. Submenu pada menu data
Gambar 3. Tampilan submenu data training
3
4.
5.
6.
Gambar 4. Tampilan submenu uji data
7.
8.
9.
Gambar 5. Submenu pada menu bantuan
10.
11.
12.
Gambar 6. Tampilan submenu tentang atribut
pada menu bantuan
13.
IV. HASIL & PEMBAHASAN
14.
A. Hasil Model Pembentukan Rules
Hasil penelitian dari pemodelan algoritma C4.5 dengan
pembobotan atribut adalah pembentukan rules. Berikut
penjelasan dari rules yang terbentuk dari pemodelan
algoritma C4.5 :
1. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness > 6,5 maka class =
ganas
2. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei >
8,5 maka class = ganas
3. Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness >
5,5 dan uniformity of cell shape > 6,5 maka class =
15.
16.
17.
ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness >
5,5 dan uniformity of cell shape ≤ 6,5 maka class =
jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin > 4,5 dan clump thickness ≤
5,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness >
5,5 maka class= jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size > 8,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size ≤ 8,5 dan bare nuclei >
3,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size > 4,5 dan clump thickness ≤ 6,5 dan bare nuclei ≤
8,5 dan bland chromatin ≤ 4,5 dan clump thickness ≤
5,5 dan uniformity of cell size ≤ 8,5 dan bare nuclei ≤
3,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness >
6,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei > 6
maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei ≤ 6 dan
clump thickness > 4,5 maka class = ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin > 3,5 dan bare nuclei ≤ 6 dan
clump thickness ≤ 4,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size > 3,5 maka class = jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size ≤ 3,5 dan uniformity of cell shape > 2,5 maka class
= ganas
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei > 2,5 dan clump thickness ≤
6,5 dan bland chromatin ≤ 3,5 dan uniformity of cell
size ≤ 3,5 dan uniformity of cell shape ≤ 2,5 maka class
= jinak
Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei ≤ 2,5 dan uniformity of cell
size > 3,5 maka class = ganas
4
18. Jika uniformity of cell size > 2,5 dan uniformity of cell
size ≤ 4,5 dan bare nuclei ≤ 2,5 dan uniformity of cell
size ≤ 3,5 maka class = jinak
19. Jika uniformity of cell size ≤ 2,5 dan bare nuclei > 4,5
dan clump thickness > 3,5 maka class = ganas
20. Jika uniformity of cell size ≤ 2,5 dan bare nuclei > 4,5
dan clump thickness ≤ 3,5 maka class = jinak
21. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness > 6,5 dan uniformity of cell shape
> 2,5 maka class = ganas
22. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness > 6,5 dan uniformity of cell shape
≤ 2,5 maka class = jinak
23. Jika uniformity of cell size ≤ 2,5 dan bare nuclei ≤ 4,5
dan clump thickness ≤ 6,5 maka class = jinak
Dapat dilihat bahwa dalam pembentukan rules terbentuk
23 rules yang nantinya akan diimplementasikan ke dalam
program.
B. Hasil Akurasi Pemodelan Algoritma C4.5
Pada pemodelan algoritma C4.5 dengan menggunakan
pembobotan atribut juga menghasilkan akurasi sebesar
98,57%. Akurasi tersebut diperoleh dari kesesuaian antara
prediksi klasifikasi dan hasil klasifikasi.
C. Hasil Implementasi Program
Jika user memilih submenu data training, program akan
menampilkan data training pada tabel, seperti gambar 9
dibawah ini :
Gambar 9. Tampilan submenu data training
Sedangkan untuk menginputkan data testing, user dapat
memilih submenu uji data yang terdapat pada menu data
dan Program akan menampilkan tampilan halaman uji data
dan user tinggal menginputkan data testing yang akan di
klasifikasi. Hasil klasifikasi akan muncul saat user
mengklik tombol hasil dan hasil klasifikasi akan di simpan
ke dalam database, seperti gambar 10 dibawah ini :
Gambar 10. Tampilan submenu uji data
Gambar 7. Halaman depan program
Gambar 7 menjelaskan tentang tampilan halaman depan
saat program dijalankan. Pada halaman depan terdapat
menu data dan bantuan. Menu data dari beberapa submenu,
yaitu data training dan uji data, seperti gambar 8 dibawah
ini :
Gambar 11. Submenu pada menu bantuan
Gambar 8. Submenu pada menu data
Gambar 11 menjelaskan bahwa jika user ingin
mengetahui tentang atribut yang dipakai dalam penentuan
klasifikasi, user dapat mengklik menu bantuan dan memilih
submenu tentang atribut. Pada tampilan dibawah ini, user
dapat memilih atribut yang diinginkan dengan memilih
salah satu atribut pada menu dropdown. Submenu tentang
atribut berisi keterangan atribut-atribut yang digunakan
5
dalam penentuan klasifikasi. Berikut gambar 12 tampilan
submenu tentang atribut :
[6]
[7]
[8]
[9]
[10]
[11]
Gambar 12. Tampilan submenu tentang atribut
pada menu bantuan
[12]
[13]
V. PENUTUP
Dari permasalahan di atas dapat disimpulkan bahwa
klasifikasi tingkat keganasan kanker payudara dapat
diselesaikan menggunakan teknik data mining, yaitu
algoritma C4.5, karena rules yang terbentuk sederhana.
Akurasi yang dihasilkan dari pemodelan algoritma C4.5
dengan pembobotan atribut, yaitu sebesar 98,57%. Akurasi
tersebut diperoleh dari kesesuaian antara prediksi klasifikasi
dan hasil klasifikasi.
Data yang digunakan dalam penelitian ini adalah data
sampel dari public dataset UCI, karena data dari pasien
kanker payudara merupakan data yang private dan sulit
untuk didapatkan.
Beberapa ide yang dapat digunakan untuk penelitian
selanjutnya adalah sebagai berikut :
1. Program inputan data ini akan lebih bermanfaat jika
data yang digunakan adalah data valid yang bersumber
dari pasien kanker payudara.
2. Menambahkan visualisasi pohon keputusan dari rules
yang terbentuk.
3. Penelitian selanjutnya dapat dikembangkan dengan
menggabungkan beberapa metode data mining, seperti
algoritma C4.5 yang digabungkan dengan Particle
Swarm Optimization (PSO).
REFERENCES
[1]
[2]
[3]
[4]
[5]
[Online].
Available:
http://www.breastcancer.org/symptoms/understand_bc. [Diakses 6
January 2014].
“WHO | Breast cancer: prevention and control,” [Online]. Available:
http://www.who.int/cancer/detection/breastcancer/en/index1.html.
[Diakses 30 December 2013].
[Online].
Available:
http://www.depkes.go.id/index.php?vw=2&id=1060. [Diakses 30
December 2013].
F. Rachman dan S. W. Purnami, “Perbandingan Klasifikasi Tingkat
Keganasan Breast Cancer Dengan Menggunakan Regresi Logistik
Ordinal Dan Support Vector Machine (SVM),” JURNAL SAINS DAN
SENI ITS Vol. 1, No. 1, (Sept. 2012) ISSN: 2301-928X, pp. D-130,
2012.
A. Bellaachia dan E. Guven, “Predict ing Breast Cancer
Survivability Using Data Mining Techniques,” dalam SIAM
Conference on Data Mining, Washington DC, 2006.
[14]
[15]
[16]
[17]
G. I. Salama, M. B. Abdelhalim dan M. A.-e. Zeid, “Experimental
Comparison of Classifiers for Breast Cancer Diagnosis,” dalam
International Conference Computer Engineering and Systems
(ICCES), Cairo, 2012.
Kusrini dan E. T. Luthfi, Algoritma Data Mining, Yogyakarta:
ANDI, 2009.
D. T. Larose, Discovering Knowledge In Data : An Introduction to
Data Mining, Hoboken, New Jersey: John Wiley & Sons, Inc., 2005.
F. Gorunescu, Data Mining : Concepts and Techniques, Verlag
Berlin Heidelberg: Springer, 2011.
M. Ture, F. Tokatli dan I. Kurt, “Using Kaplan–Meier analysis
together with decision tree methods (C&RT, CHAID, QUEST, C4.5
and ID3) in determining recurrence-free survival of breast cancer
patients,” Expert Systems with Applications, pp. 2017-2026, 2009.
D. Soria, J. M. Garibaldi, E. Biganzoli dan I. O. Ellis, “A
Comparison of Three Different Methods for Classificat ion of Breast
Cancer Data,” Seventh International Conference on Machine
Learning and Applications, pp. 619-624, 2008.
Turban, Efraim dan dkk, Decision Support System and Intelligent
System Edisi 7 Jilid 1, Yogyakarta: ANDI, 2005.
I. H. Witten, E. Frank dan M. A. Hall, Data Mining Practical
Machine Learning Tools and Techniques, USA: Morgan Kaufmann
Publishers, 2011.
B. Santoso, Data Mining : Teknik Pemanfaatan Data untuk keperluan
Bisnis, Yogyakarta: Graha Ilmu, 2007.
M. Melanie, An Introduction to Genetic Algorithms, Cambridge,
Massachusetts: A Bradford Book The MIT Press, 1996.
“Confusion
Matrix,”
[Online].
Available:
http://www2.cs.uregina.ca/~dbd/cs831/notes/cconfusion_matrix/conf
usion_matrix.html. [Diakses 23 January 2014].
A. E. Hassanien, “Classificat ion and Feature Selection of Breast
Cancer Data Based on Decision Tree Algorithm,” Studies in
Informatics and Control, vol. XII No. 1, pp. 1-7, 2003.